共查询到19条相似文献，搜索用时 281 毫秒
1.
2.
在所有行业当中,中小企业信用担保风险之高是国际上公认的,所以在信用担保机构中如何有效的控制风险级别,对风险进行管理是极为重要的内容。文章针对当前我国中小企业信用担保行业中的风险来源进行了分析,并在此基础上借鉴国际先进经验,从而提出一些符合我国风险担保的相关建议,从而更好的保证我国担保业在今后的发展环境。 相似文献
3.
信用担保机构运行效率实证研究——以浙江省为例 总被引：2，自引：0，他引：2
建立信用担保机构体系是解决中小企业融资难问题的一条有效途径。以浙江省中小企业信用担保机构为研究对象,实证分析了实收资本规模、人力资本、主营业务占比、合作银行家数、担保机构承担风险比例、担保对象中小企业占比等因素对政策性、商业性、互助性等三类担保机构运行效率的影响方向和程度,探讨了三类担保机构运行效率的差异性。 相似文献
4.
建立我国中小企业信用担保体系的思考 总被引：4，自引：0，他引：4
根据发达国家和地区的做法,结合深圳市建立中小企业信用担保机构的探索与实践,我们认为:建立我国的中小企业信用担保体系,既要借鉴发达国家和地区的有益经验,又要根据我国社会经济发展的特点,建立符合我国国情的中小企业信用担保制度。 相似文献
5.
为了缓解中小企业融资难的问题,中小企业信用担保机构应运而生,各地成立了大量的政策性担保机构和商业性担保机构。中小企业信用担保体系也日臻完善。为了更好地为中小企业融资担保服务,占有客户市场,就必须开展担保营销。 相似文献
6.
我国中小企业融资难问题一直都是一个被广泛关注的话题，而要解决我国中小企业融资难问题的一个关键就是要建立并完善中小企业信用担保体系。本文首先通过分析我国中小企业融资现状，从信用担保制度的起源，国内外发展现状来分析我国信用担保制度存在的主要问题，提出风险防范对策，并结合实际提出建立完善中小企业信用征信体系、法律体系、健全再担保制度、采用反担保措施等来促进中小企业信用担保制度的发展，探析更加完善的，能促进整个担保行业走上健康发展的一些思路。 相似文献
7.
8.
在现有文献研究和对信用担保企业深入访谈的基础上,设计了一套信用担保机构风险控制能力测量量表,并以此检验了所构建的风险控制能力测度模型。探索性因子分析和验证性因子分析结果表明:信用担保企业风险控制能力划分为信用风险控制能力、操作风险控制能力、市场风险控制能力以及综合风险控制能力四个维度具有良好的信度和效度;并进一步讨论了企业属性及企业资本规模对其风险控制能力的影响,实证检验结果表明:企业商业性属性、资本规模与其风险控制能力具有正向相关性。 相似文献
9.
基于文献分析法、对比分析法,从系统运行机制、资金供给机制、风险承担、风险补偿机制及法律保障体系5个方面,对中、日中小企业信用保证体系进行比较研究,在总结日本中小企业信用保证体系的成功经验的基础上,提出我国中小企业信用保证体系存在的不足,并针对政府、金融机构、担保机构等提出政策建议。 相似文献
10.
关于中小企业信用再担保机构的风险评价主要针对在保的担保公司进行资信评估,利用担保公司的资产质量、财务状况及运营效益等设计一套科学合理的指标体系,运用灰色模糊综合评价法对江苏省某担保公司的资信情况进行实证评价,从而实现对中小企业信用再担保机构风险的事前识别与评估。 相似文献
11.
中小企业信用体系存在的问题及对策分析 总被引：1，自引：0，他引：1
中小企业在我国经济发展中占有重要的地位,做好中小企业信用体系建设的工作,能够帮助中小企业解决融资困难等关键问题。本文通过对我国中小企业信用体系建设的现状分析,揭示了中小企业信用体系在企业自身信用缺失、法律政策、信用担保体系、信用评价体系及银行等方面存在若干问题,提出了相应的解决对策。 相似文献
12.
融资难的问题一直制约着广东中小企业的进一步发展,从广东省中小企业融资环境方面解决中小企业融资难的问题,首先要建立更完善的、更严格的监督体系;其次要建立中小企业信用评估体系和个人信用评估体系;再次中小企业之间建立互相担保机制和加强信息经验交流;最后政府和社会共同推进风险投资,并且积极创造条件,发展场外交易市场。 相似文献
13.
【目的/意义】个人违约信用风险是网络借贷平台所面临的主要风险之一,引起了金融机构的广泛重视。传
统的P2P网络借贷违约风险预测模型通常使用历史数据建模,而模型的对象主要为历史履约和违约因素,由此带来
的因素选择偏差问题会影响模型的泛化能力和风险预测能力。【方法/过程】本文引入面部特征大数据分析方法,利
用深度学习技术自动抽取人脸面部特征变量,将其作为一个新的维度融入以历史借贷数据为核心的信用风险评价
系统,建构新型信用风险预测模型。【结果/结论】论文基于南京某互联网金融公司提供的数据集进行实验与实证分
析,结果表明本文提出的模型优于传统的违约风险预测模型。【创新/局限】本研究的创新点为一方面基于大数据分
析方法挖掘了真实借款人面部特征在预测互联网信贷背景下的贷款违约中的作用,为互联网信贷的信用风险预测
模型提供了新的数据维度,另一方面为使用深度学习方法自动识别和提取大规模图片数据集中的面部特征提供了
新的思路。 相似文献
14.
本文以2014-2018年深圳证券交易所中小企业板940个装备制造业样本为研究对象，综合考虑了全链条面临的整体风险，建立了包括申请人资质、交易对手资质、融资项下资产状况和供应链运营情况4个准则层，应收账款特征、履约情况等14个二级指标，信用级别、担保状况等127个三级指标的供应链金融下中小企业信用风险评价海选指标体系。根据剔除冗余信息的思路，运用偏相关-方差分析进行第一次筛选，删除了64个存在信息冗余且对违约状态影响小的指标；根据整体风险因子鉴别最优原理，通过逐步神经网络遴选出违约鉴别能力最强的指标群；最终建立了包含48个指标、显著区分风险因子的供应链金融下中小企业信用风险评价指标体系。实证表明，本文构建的指标体系符合金融界普遍认可的“5C原则”，信用风险因子判别的正确率高达90.53%，判别效果显著。 相似文献
15.
16.
17.
商业银行信用风险综合评价研究 总被引：14，自引：0，他引：14
商业银行信用风险评价作为一种有效的金融监管方式，是银行监管体系中的重要组成部分。本文根据商业银行信用风险评价指标体系建立的原则，从经营环境、银行素质、盈利能力、风险状况等四个方面建立商业银行信用风险评价指标体系，将定性分析与定量分析相结合，运用模糊数学理论对银行信用风险进行综合评价，并选择一家银行进行实证分析。 相似文献
18.
《Information processing & management》2023,60(3):103267
Constructing ensemble models has become a common method for corporate credit risk early warning, while as to deep learning model with better predictive ability, there have been no fixed theoretical models formed in corporate credit risk early warning, as such models often fail to conduct further qualitative analysis of the results. Thus, this article builds a new two-stage ensemble model using a variety of machine learning methods represented by deep learning for corporate credit risk early warning, which can not only effectively improve the prediction performance of the model, but also qualitatively analyze the source of corporate credit risk from multiple angles according to the results. At first stage, the improved entropy method is used to re-assign the instance weight in correlation degree based on grey correlation analysis. At second stage, this study adopts Bagging method to integrate multiple one-dimensional convolutional neural networks, and borrows idea of N-fold cross validation to expand the difference of the base classifier. Empirically, this article selects listed companies in Chinese manufacturing industry between 2012 and 2021 as datasets, including 467 samples with 51 financial indicators. The new ensemble model has the highest F1-score (87.29%) and G-mean (89.47%) among comparative models, and qualitatively analyzes corporate risk sources. Further, it also analyzes how to increase early warning effect from the angles of indicator number and time span. 相似文献